Numeriska metoder och maskininlärningsalgoritmer för lösning av inversa problem

Forskarnivå | 7.5 hp | Kurskod: NFMV020
HT 2021
Studieperiod: 2021-11-02 - 2021-12-03
UNDERVISNINGSSPRÅK: Kursen ges på engelska
Ansökningsperiod: 2021-08-25 - 2021-10-26
+
HT 2024
Studieperiod: 2024-11-04 - 2025-01-19
UNDERVISNINGSSPRÅK: Kursen ges på engelska
Ansökningsperiod: 2024-03-15 - 2024-10-21
+

Beskrivning av kursen

I den första delen av kursen kommer vi att börja ge en kort undersökning om området inversa och illakonditionerade problem.
I den andra delen av kursen kommer att studeras fysiska formuleringar som leder till illakonditionerade problem, metoder för reglering av inversa
problem och numeriska metoder för att lösa Inversa och illakonditionerade problem. Klassificeringsalgoritmer för maskininlärning för lösning av inversa och illakonditionerade problem kommer också att studeras.
Kursen inkluderar kursprojektet , som består av flera uppgifter där ett inverst problem ska lösas i Matlab eller i C ++ / PETSc av algoritmer som studerats i kursen.

Behörighet och urval

Förkunskapskrav

Numerisk analys, partiella differentialekvationer, programmering i Matlab.

Urval

Ej relevant

Övrig information

Inversa och illakonditionerade problem uppstår i många applikationer inklusive medicinsk mikrovågsavbildning, optisk och ultraljud avbildning, MRT, MRI, oljeprospektering, upptäckt av sprängämnen och konstruktion av nya material.
Fysiska formuleringar som leder till Inversa och illakonditionerade problem, metoder för att reglera de och numeriska metoder för lösning av inversa och illakonditionerade problem kommer att behandlas.
Klassificeringsalgoritmer för maskininlärning
kommer att studeras. Tillämpningar av dessa algoritmer för att lösa Inversa och
illakonditionerade problem kommer att diskuteras.

Länk till webbsida

https://canvas.gu.se/courses/49154

Kursplan

NFMV020

Institution

Institutionen för matematiska vetenskaper

Ämne

Naturvetenskap och matematik

Typ av kurs

Områdeskurs

Sökord

inverse and ill posed problems, machine learning algorithms for classification, optimization, adaptive finite element method, image restoration, acoustic and electromagnetic scattering problems

KONTAKTLarisa Beilina
0046 31 772 3567
larisa@chalmers.se